川海智库

报告概述

本报告属于国金证券金融工程Alpha掘金系列，聚焦于利用生成流网络（GFlowNet）和AlphaEval评估框架进行分钟频因子挖掘与筛选。报告首先回顾了GFlowNet的原理及其在日频数据挖掘中的应用，随后重点介绍了分钟频数据快速计算框架的设计与实现，包括内存映射（MemMap）机制和两阶段计算架构。在此基础上，报告展示了分钟频特征挖掘的单因子表现，并与日频因子进行了信号增量对比。此外，报告引入了AlphaEval多维度因子筛选方法，从预测能力、时序稳定性、扰动鲁棒性、金融逻辑性和多样性五个角度对因子进行评估，并结合深度学习模型构建指数增强策略。通过阅读报告，投资者可以了解前沿的因子挖掘技术、高效的分钟频计算框架以及系统化的因子筛选流程，为量化投资研究提供新的工具和思路。

报告的核心结论

GFlowNet相比强化学习和遗传规划更擅于挖掘低相关性、高多样性的因子池

GFlowNet的优化目标不是寻找单一最优公式，而是按照奖励分布进行采样，天生具备多样性保证。在相同任务中，GFlowNet生成的因子之间相关性中位数仅不到0.04，而强化学习的batch内相关性中位数急速上升至1。这一特性使得GFlowNet非常适合构建多因子选股模型所需的低相关Alpha池。

分钟频因子在日频信号基础上提供了额外的增量信息

在日频因子基础上加入分钟频因子后，LGBM合成模型的多空年化收益率从124.14%提升至127.11%，多空Sharpe从8.83提升至9.01。尽管当前分钟频有效因子数量较少，但已显示出分钟频数据蕴含的独特信息能够增强因子组合的表现。

基于DPP的多样性筛选结合LGBM合成是构建因子组合的有效方式

在1134个待选因子中，通过DPP方式筛选出800个因子，并用LGBM模型合成，获得了22.51%的多头年化超额收益率和1.25的多头Sharpe，优于等权和线性回归等合成方式。其他角度（如PPS预测能力、RRE秩稳定性、金融逻辑性）的筛选在收益端没有明显提升，但RRE筛选可有效降低因子换手率。

筛选后的因子与AI模型融合后，在沪深300、中证500和中证1000上均实现稳定正超额收益

基于DPP筛选的800个因子，使用LGBM模型合成后构建指数增强策略，在沪深300、中证500、中证1000上分别实现14.80%、11.16%和17.42%的年化超额收益率，信息比率分别为2.96、2.07和2.78。各宽基指数均获得了稳定的超额表现，验证了因子挖掘与筛选框架的有效性。

报告回答的关键问题

GFlowNet与强化学习在因子挖掘中有什么本质区别？

GFlowNet与强化学习的根本区别在于优化目标。强化学习旨在最大化预期奖励，找到最优解，容易陷入模式崩溃，生成高度同质的因子。而GFlowNet按照奖励大小的分布进行采样（P(x)∝R(x)），天生保证多样性，能够广泛探索公式空间，挖掘出结构多样、相关性低的因子，更适合构建多因子组合。

分钟频因子挖掘面临哪些技术挑战？如何解决？

分钟频因子挖掘的主要挑战是内存瓶颈：分钟频数据量巨大，无法全部读入内存。报告采用MemMap机制，通过操作系统的虚拟内存按需访问数据，仅将需要的数据页加载到内存。同时，将完整公式拆分为日内block和日频tree两段，采用numba单线程计算和loky多进程并行，并引入持久化block cache加速重复结构的计算。

AlphaEval从哪些维度评估因子？有效性如何？

AlphaEval从五个维度评估因子：预测能力（PPS）、时序稳定性（RRE）、扰动鲁棒性、金融逻辑性和多样性。实验显示，多样性维度通过DPP筛选效果最好，能显著提升因子组合收益；RRE秩稳定性筛选虽然收益提升不明显，但能有效降低因子换手率；金融逻辑性筛选和PPS筛选在收益端未带来明显改善。

基于GFlowNet挖掘的因子在指数增强中表现如何？

基于GFlowNet挖掘的日频和分钟频因子，经AlphaEval筛选和LGBM合成后，用于沪深300、中证500、中证1000指数增强。年化超额收益分别为14.80%、11.16%和17.42%，信息比率均超过2，且各年超额收益稳定为正。其中沪深300增强近一年表现突出，截止5月底已实现7.01%的超额收益。

报告中的代表性数据

4.43%

GFlowNet日频因子IC均值中位数

2010-01-01至2020-12-31（训练集2010-2018，验证集2019-2020），基于原始日频K线挖掘的99个因子，IC均值中位数达4.43%，多头年化超额中位数5.23%。

3.19%

分钟频因子IC均值中位数

同上，基于分钟频特征挖掘的32个因子，IC均值中位数3.19%，多头年化超额中位数4.21%。因子平均长度11.22，可解释性较弱。

14.80%

沪深300指数增强年化超额收益

回测区间未明确（截至2026年5月），基于DPP筛选的800个因子+LGBM合成，在沪深300上实现年化超额14.80%，跟踪误差5.00%，信息比率2.96。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • GFlowNet原理的详细数学推导：涵盖流匹配条件、Trajectory Balance目标函数、状态表示（Transformer encoding+手工特征）以及奖励函数设计（IC、多头IR、Barra相关性惩罚）的完整公式和训练流程。
  • 日频数据挖掘的完整结果：包含基于原始日频K线、衍生特征和分钟聚合特征三组挖掘的因子数量、IC分布、相关性矩阵、因子表达式示例（含IC/ICIR/多头收益等统计值），以及因子长度和复杂度分布图表。
  • 分钟频快速计算框架的架构详解：包括MemMap机制的工作原理、文件组织方式（按年份和通道的float32 memmap张量）、计算流水线（日内block+日频tree）、并行策略（numba+loky）、缓存机制（LRU持久化block cache）以及性能优势分析。
  • 分钟频因子与日频因子的信号增量对比：通过LGBM合成模型，展示加入分钟频因子后多空收益、RankIC、多头超额等指标的提升幅度，以及多空净值曲线的对比图表。
  • AlphaEval多维度筛选的实验设置与结果：包含所有待选因子池（深度学习隐藏层672个、国金金工因子库117个、GFlowNet因子345个）的构成，多样性筛选（时序相关性/DPP）的详细统计数据，以及预测能力、秩稳定性、金融逻辑性角度筛选后的因子表现对比表。
  • 指数增强策略的构建细节与回测结果：包括沪深300、中证500、中证1000三个宽基指数增强的净值曲线、分年度收益、风险指标（年化收益率、波动率、最大回撤、换手率、跟踪误差等），以及历史超额收益的稳定性分析。
  • 完整的因子表达式列表：报告中未展示全部因子，完整PDF包含所有筛选出的因子公式，便于投资者复现和进一步研究。
  • 风险提示及免责声明：强调模型基于历史数据，政策环境变化可能导致时效性风险；策略假设回测条件可能与实际交易存在差异，需谨慎使用。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告